情報ネットワーク学基礎1 演習問題解答 (7 月 16 日出題分) 問題 11 [問 11-1] (補題4の証明) (1) aX + bY は (X, Y ) の関数 f (X, Y ) = aX + bY と見なせるので, ∑∑ E[aX + bY ] = (ax + by)PXY (x, y) x∈X y∈Y =a ∑∑ ∑∑ xPXY (x, y) + b x∈X y∈Y yPXY (x, y) x∈X y∈Y { } ∑ ∑ ∑ ∑ y =a x PXY (x, y) + b PXY (x, y) y∈Y x∈X y∈Y x∈X ∑ ∑ =a xPX (x) + b yPY (y) x∈X y∈Y = aE[X] + bE[Y ] (2) X, Y が独立のとき,独立性の定義より PXY (x, y) = PX (x)PY (y) であるから, ∑∑ E[XY ] = xyPXY (x, y) x∈X y∈Y = ∑∑ xyPX (x)PY (y) x∈X y∈Y ( = ∑ ) ∑ xPX (x) yPY (y) x∈X y∈Y = E[X]E[Y ] (3) µX = E[X], µY = E[Y ] とおくと,E[X + Y ] = µX + µY であるから, [{ }2 ] V [X + Y ] = E (X + Y ) − (µX + µY ) [{ }2 ] = E (X − µX ) + (Y − µY ) [ ] = E (X − µX )2 + 2(X − µX )(Y − µY ) + (Y − µY )2 = E[(X − µX )2 ] + 2E[(X − µX )(Y − µY )] + E[(Y − µY )2 ] = V [X] + 2 Cov(X, Y ) + V [Y ] (4) Cov(X, Y ) = E[(X − µX )(Y − µY )] = E[XY ] − µX E[Y ] − µY E[X] + µX µY (期待値の線形性) = E[X]E[Y ] − µX E[Y ] − µY E[X] + µX µY (X と Y は独立) = (E[X] − µX )(E[Y ] − µY ) = 0 よって (3) より V [X + Y ] = V [X] + 2 Cov(X, Y ) + V [Y ] = V [X] + V [Y ]. 1 [問 11-2] (例2の解答 ) このとき,同時確率関数 PXY (x, y),および周辺確率関数 PX (x), PY (y) をまとめた表は以下のよ うになる. (和が 1 であることを確認しやすいように,あえて約分はしていない. ) x\y 1 2 3 4 PX (x) 1 1 100 2 100 3 100 4 100 1 10 2 2 90 2 90 6 90 8 90 2 10 3 3 90 6 90 6 90 12 90 3 10 4 4 90 8 90 12 90 12 90 4 10 PY (y) 11 100 89 450 89 300 89 225 また条件付き確率関数 PY |X (y|x) の表は以下のようになる. \y 1 2 3 4 PY |X (y|1) 1 10 2 10 3 10 4 10 PY |X (y|2) 1 9 1 9 3 9 4 9 PY |X (y|3) 1 9 2 9 2 9 4 9 PY |X (y|4) 1 9 2 9 3 9 3 9 Y が与えられたときの条件付き確率関数 PX|Y (x|y) の表は以下のようになる. \x 1 2 3 4 PX|Y (x|1) 9 99 20 99 30 99 40 99 PX|Y (x|2) 9 89 10 89 30 89 40 89 PX|Y (x|3) 9 89 20 89 20 89 40 89 PX|Y (x|4) 9 89 20 89 30 89 30 89 確率変数に対するベイズの公式の証明は以下の通り. PXY (x, y) PY (y) PXY (x, y) =∑ ′ x ∈X PXY (x, y) PX (x)PY |X (y|x) =∑ . ′ ′ x′ ∈X PX (x )PY |X (y|x ) PX|Y (x|y) = 2 問題 12 題意より,確率変数 X, Y : Ω → R の確率関数 PX (x), PY (y) はそれぞれ (λ1 )x x! y (λ 2) PY (y) = e−λ1 y! PX (x) = e−λ1 で与えられる. また,X と Y の値域は X(Ω) = Y (Ω) = {0, 1, 2, . . .}(負でない整数全体)である から,確率変数 Z = X + Y の値域 Z(Ω) も Z(Ω) = {0, 1, 2, . . .} となる.z ∈ Z(Ω) として PZ (z) = P ({ω ∈ Ω | Z(ω) = z}) = P ({ω ∈ Ω | X(ω) + Y (ω) = z}) = z ∑ P ({ω ∈ Ω | X(ω) = k, Y (ω) = z − k}) k=0 = z ∑ PXY (k, z − k) k=0 = z ∑ PX (k)PY (z − k) (X と Y は独立) k=0 = z ∑ k=0 =e e−λ1 (λ1 )k −λ2 (λ2 )z−k e k! (z − k)! −(λ1 +λ2 ) z ∑ k=0 1 (λ1 )k (λ2 )z−k k!(z − k)! ここで z ∑ k=0 1 z! 1 ∑ (λ1 )k (λ2 )z−k = (λ1 )k (λ2 )z−k k!(z − k)! z! k!(z − k)! z k=0 1 = (λ1 + λ2 )z z! よって (λ1 + λ2 )z z! であるから Z はパラメータ λ1 + λ2 のポアソン分布に従うことがわかる. PZ (z) = e−(λ1 +λ2 ) 3 (二項定理)
© Copyright 2024 ExpyDoc